Avranches – 30 Août 2016

Pierre-Yves Buard – Pôle Document Numérique, MRSH CaenUniversité de Caen Normandie

Standards et outils XML École d’été Biblissima

Contexte

Recherche et patrimoine écrit Émergence des humanités numériques

✤ frontières poreuses entre conservation, communication, diffusion, valorisation, édition, analyse…

✤ tension croissante entre masse documentaire mise à disposition et outils d’appropriation, d’exploitation

✤ diversification sensible du lectorat potentiel…✤ document numérique comme outils et comme objet d’étude

Recherche et patrimoine écrit Une source écrite = un ensemble de données variées

✤ qui peuvent être considérées et exploitées dans des configurations à géométrie variable✤ témoin utilisé dans une édition de texte, élément d’une base de données notices descriptives

(fonds, catalogue thématique…) etc.

→ contraintes et enjeux :✤ disposer d’informations exploitables et récupérables, ✤ produire de nouvelles informations à leur tour exploitables et récupérables

Liste des noms de poissons

Marqueur de citation

Texte de la citation

Notion de document (1) Sources anciennes, document et texte

Notion de document (2) Sources anciennes, document et texte

✤ Notion floue et difficile à définir précisément✤ Document = structure logique + structure physique (Roger T. Pédauque)

Métadonnées (1) Définition

✤ données visant à définir ou à caractériser d’autres données pour les référencer et les manipuler

✤ « Les métadonnées sont des informations structurées qui décrivent, expliquent, localisent ou encore facilitent la découverte, l’utilisation ou la gestion d’une ressource d’information. »

NISO (National Information Standards Organization) Understanding metadata, 2004, ISBN: 1-880124-62-9[http://www.niso.org/standards/resources/UnderstandingMetadata.pdf]

✤ décrire les ressources numériques

✤ facilité l’interprétation des données :

✤ définition des contenus et leurs relations

✤ ajouter des connaissances à des éléments (annotations, informations complémentaires)

✤ automatiser les manipulations des données

Métadonnées (2) Objectifs

✤ Métadonnées descriptives à vocation catalographique (ou permettant le référencement, la découverte ou l’identification de ressources)

✤ Métadonnées structurelles (explicitation des relations entre les composants de la ressource ; liens entre ces composants)

✤ Métadonnées administratives (gestion des droits et des accès…)

Métadonnées (3) Typologies

EncapsuléesExternes Englobantes (1) Englobantes (2)

lien

description description description

document document document

< d e s c . > d o c u m e n t < d e s c . > document document document d o c u m e n t d o c u m e n t < d e s c . > d o c u m e n t d o c u m e n t < d e s c . > d o c u m e n t document document document document document document document document document document document document <desc.> document <desc.> document document document document document <desc.> document <desc.> document document document document document <desc.> document <desc.> document document document document document document

Métadonnées (4) Modèles d’inclusion

✤ contexte technique : XML et technologies associées

✤ nécessité de respecter les standards (TEI, EAD, ONIX, DC, etc.)

✤ respect des cultures métiers (chercheurs, archivistes, documentalistes, éditeurs, etc.)

Standards et métiers

Formats, normes et outils Encodage des caractères

ASCII et ISO-8859-1

✤ 128 ou 256 caractères✤ Très dépendant des polices✤ Échange de fichiers compliqué

Formats, normes et outils Encodage des caractères

Unicode

✤ Plus de 100 000 caractères✤ Indépendant des polices✤ Compatible avec l’ASCII et l’ISO-8859-1

Formats, normes et outils Encodage des caractères

eXtensible Markup Language

XML

✤ créé en 1998, s’impose aujourd’hui comme le format d’échange et de stockage dans l’édition

✤ principe : étiquetage systématique des éléments constitutifs d’un texte avec des balises de début (<debut>) et de fin d’élément (</fin>)

✤ évolution du SGML (Standard Generalized Markup Language – ISO 8879 dont découle aussi le HTML (HyperText Markup Language)) pour être plus adapté au web

✤ objectifs : dépasser les limites du HTML et reprendre les principes du SGML en les simplifiant

✤ métalangage (permet la création de nouveaux langages)✤ structures arborescentes (imbrication des éléments)✤ format ouvert (pas de logiciel propriétaire)✤ souplesse des structures (choix des éléments)

XML Règles d’écriture

✤ le document commence par la déclaration XML✤ il contient un élément racine unique qui contient tous les autres✤ toute balise ouverte doit être fermée✤ les balises uniques sont de la forme <balise/>✤ pas de chevauchement :

✤ <message><exclamation>oh oh!</exclamation></message>et pas

✤ <message><exclamation>oh oh!</message></exclamation>✤ les valeurs d’attributs sont renseignées entre quotes :

✤ <note n=“12“>Le texte de la note</note>

XML Notion de conformité

<?xml version="1.0" encoding="UTF-8" standalone="yes"?>

<livre>

<titre>Mon titre</titre>

<auteur>Nom de l’auteur</auteur>

<chapitre><titre>Titre du chapitre</titre>

<para>Premier paragraphe</para>

<para>Second paragraphe</para>...

</chapitre>...

</livre>

Exemple de fichier XML bien formé (ou conforme)

XML Grammaire de référence

✤ objectif : définir des vocabulaires communs dans les communautés✤ ensemble des balises utilisables pour un type ou une classe de document (thèses, CV,

documentation technique, humanités, etc.)✤ au moyen d’une DTD (Document Type Definition) ou d’un schéma XML

XML Grammaire de référence

<!ELEMENT book (title, author*, chapter+)>

<!ELEMENT title (#PCDATA)>

<!ELEMENT author (firstname?, surname)>

<!ELEMENT firstname (#PCDATA)>

<!ELEMENT surname (#PCDATA)>

<!ELEMENT chapter (title?, para+)>

<!ELEMENT para (#PCDATA)>

Exemple de DTD : book.dtd

XML Notion de validité

<?xml version="1.0" encoding="UTF-8" standalone="no"?>

<!DOCTYPE book SYSTEM "book.dtd">

<book><title>Annuaire 1995</title>

<author>

<surname>La Poste</surname>

</author>

<chapter><title>Paris</title>

<para>ABEL Antoine 82 23 44 12</para>

<para>ABEL Pierre 82 67 23 12</para>...

</chapter>

</book>

Exemple de fichier XML valide et bien formé

XML Notion de chemin : XPath

Text Encoding Initiative

TEI

✤ Objectifs : description de l’ensemble des textes de sciences humaines✤ créé en 1987 par

✤ Association for Computers and the Humanities✤ Association for Computational Linguistics✤ Association for Literary and Linguistic Computing

✤ Version actuelle : P5✤ Évolution constante (Workgroups, Special Interest Groups, etc.)✤ Maintenu par le consortium : http://www.tei-c.org

TEI

✤ ensemble de recommandations pour la description et la structuration des textes✤ définition des catégories de textes à plusieurs niveaux (préliminaires, corps, post-

liminaires mais aussi divisions, paragraphes, notes, citations, etc.)✤ peut aboutir à production de grammaires de référence (DTD ou schémas) pouvant

prendre en compte : ✤ en-tête du document✤ structure de texte par défaut✤ ensembles de balises pour la prose, la poésie, le théâtre✤ transcription des textes oraux✤ dictionnaires et terminologie✤ citations, appareil critique✤ tables, formules, graphiques✤ liens, relations, etc.

TEI Exemple (1)

ACT I - SCENE I

Enter Barnardo and Francisco, two Sentinels, at several doors

BARN : Who's there?

FRAN : Nay, answer me. Stand and unfold yourself.

BARN : Long live the King!

FRAN : Barnardo?

BARN : He.

FRAN : You come most carefully upon your hour.

BARN : Tis now struck twelve. Get thee to bed, Francisco.

<div type="Act" n="I"><head>ACT I</head>

<div type="Scene" n="1"><head>SCENE I</head>

<stage rend="italic">Enter Barnardo and Francisco,

two Sentinels, at several doors</stage>

<sp><speaker>Barn</speaker><l part=Y>Who's there?</l></sp>

<sp><speaker>Fran</speaker>

<l>Nay, answer me. Stand and unfold yourself.</l></sp>

<sp><speaker>Barn</speaker>

<l part="i">Long live the King!</l></sp>

<sp><speaker>Fran</speaker><l part="m">Barnardo?</l></sp>

<sp><speaker>Barn</speaker><l part="f">He.</l></sp>

<sp><speaker>Fran</speaker>

<l>You come most carefully upon your hour.</l></sp>

<sp><speaker>Barn</speaker>

<l>Tis now struck twelve.

Get thee to bed,Francisco.</l></sp>

... </div> ........</div>

TEI Exemple (2)

✤ En-tête : <teiHeader>✤ informations sur le texte (similaires à celles que l’on trouve sur une page de titre

imprimée)✤ Texte : <text>

✤ Préliminaires : <front>✤ Corps : <body>✤ Post-liminaires : <back>

TEI

✤ En-tête (<teiHeader>) structuré✤ Description bibliographique du fichier électronique(<fileDesc>) avec trois zones

distinctes✤ Titre, auteur du fichier (<titleStmt>)✤ Éditeur, lieu d’édition, date d’édition du fichier (<publicationStmt>)✤ Références bibliographiques des sources dont est dérivé le fichier (<sourceDesc>)

✤ Description des rapports entre un texte électronique et la ou les sources dont il dérive (<encodingDesc>)✤ Description du projet (<projectDesc>)✤ Description des principes éditoriaux (<editorialDecl>)✤ Description quantitative du balisage (<tagsDecl>)

✤ Description des révisions (<revisionDesc>)✤ Historique, nature et auteurs des révisions successives du document.

TEI

✤ préliminaires (<front>) : page de titre, auteur et titre du document, avant-propos, préface, dédicace, etc.

✤ corps (<body>) : introduction, conclusion, parties, chapitres, section, sous-sections, etc.✤ “post-liminaires” (<back>) : annexes, glossaires, index, bibliographie, etc.✤ éléments flottants : note, citation, liste, etc.

TEI

✤ les éléments sont regroupés en ensembles thématiques documentés (base, théâtre, description de sources primaires, dictionnaires, etc.)

✤ le consortium propose des outils de fabrication de grammaire (Roma et précédemment pizza chief) et de documentation spécifique

✤ divers outils de conversion de fichiers XML TEI (production de pages web, de PDFs, etc.)

TEI

TEI Roma

TEI Exemple

✤ TEI comme point de rencontre entre les besoins de la recherche et les impératifs éditoriaux

✤ structuration scientifique / structuration éditoriale✤ subdivisions structurelles et distinctions formelles propres à l’activité éditoriale

traditionnelle :✤ préliminaires : dédicace, exergue, avertissement, sommaire, préface, présentation,

titre…✤ matière : introduction, titres intérieurs, intertitres, appels de notes, notes, figures,

tableaux…✤ compléments : épilogue, postface, bibliographie, index, table des matières…

TEI … et édition

Encoded Archival Description

✤ Standard international : Encoded Archival Description (EAD)

➡ Objectifs : traitement, restitution des hiérarchies et des mécanismes d’héritage des instruments de recherche

➡ Créé en 1993 à l’Université de Californie, Berkeley➡ Version actuelle : EAD 3 (EAD 2002 encore beaucoup utilisé)➡ Maintenu par la bibliothèque du congrès

et la société des archivistes américains : http://www.loc.gov/ead/

EAD

EAD

EAD

EAD

Production et exploitation

Outils

✤ Production✤ Traitement de texte (styles et feuilles de styles)✤ OpenOffice (traitement de texte et surtout outil de conversion)✤ XSLT (Extended Stylesheet Language Transformation)✤ Éditeur XML (XMLmind XML Editor, Oxygen, XMetal, Morphon, Millefeuille)✤ Logiciel de PAO (Indesign, Xpress, FrameMaker)

✤ Diffusion / exploitation / exploration✤ Langage de scripts (applescript, javascript)✤ PHP, XSLT, CSS✤ xquery, eXist, BaseX, Philologic, etc.

Outils XSLT (1)

✤ Extended Stylesheet Language Transformation✤ c’est un fichier XML (il en respecte les principes)✤ ne contient pas de données✤ transforme un arbre XML en autre chose (un autre arbre XML, un fichier , etc.) :

✤ passage d’un document XML TEI à un document XHTML✤ passage d’un document XML TEI à un autre XML TEI (interopérabilité)

XSLT

[…]

<xsl:template match="list"><ul><xsl:apply-templates/></ul>

</xsl:template>

<xsl:template match="item"><li><xsl:apply-templates/></li>

</xsl:template>

[…]

XML TEI

[…]

<list><item>item 1</item><item>item 2</item><item>item 3</item>

</list>

[…]

XHTML

[…]

<ul><li>item 1</li><li>item 2</li><li>item 3</li>

</ul>

[…]

Outils XSLT (2)

Outils XSLT (3)

Outils Édition XML (1)

Outils Édition XML (2)

Outils Édition XML (3)

✤ ensemble de fichiers : ✤ fichier de configuration -> centralise l’ensemble des fonctionnalités✤ schémas -> contrôle de la structure au cours de la saisie✤ cascading style sheet -> vues sur le document (5 vues maximum/document)✤ commandes -> automatisation d’opération, application de transformations,

indexation, etc.✤ feuilles de transformation XSLT -> production de formes de diffusion, modifications

générales, etc.✤ modèle -> pour débuter la saisie directement en XML

Outils Édition XML (4)

Chaîne éditoriale

Édition

© Alain Pierrot

Chaîne éditoriale Principes (1)

✤ intégration du XML pour l’ensemble des productions✤ solution adaptée aux grandes fonctions de l’éditeur scientifique (diffusion,

production de formes référençables, traduction d’une structure logique en une forme intelligible adaptée à un (ou des) support(s) donné(s)

✤ rationalisation des pratiques autour du document numérique✤ séparation fond / forme✤ notion centrale de document structuré pérenne et archivable (indépendant des

logiciels)

Chaîne éditoriale Principes (2)

✤ préserver la qualité éditoriale quel que soit le support de diffusion : culture du secrétariat d’édition

✤ un seul flux de production pour tous les supports (Single Source Publishing)✤ une seule méthode de travail (conservation des outils habituels du secrétaire d’édition)

Chaîne éditoriale Principes (3) – Chicago manual of styles

http://www.chicagomanualofstyle.org/home.html

✤ niveau de balisage suffisant pour l’édition : versification, titres, paragraphes, etc.

✤ peu de profondeur (divisions, puis deux niveaux maximum : paragraphes et caractères)

Chaîne éditoriale Niveaux de balisage (1) – Balisage éditorial

✤ exemple de structure complexe✤ segments, indications bibliographiques,

plusieurs types de notes, etc.✤ structure aussi profonde que nécessaire

Chaîne éditoriale Niveaux de balisage (2) – Balisage scientifique

Contexte de travail

exportation, conversion

PDF

papier

éditions en ligne

ePub

inventaires/archives

autoritéslocales, viaf, crossref

lieux, personnes, œuvres

XML (TEI)

XML (EAD)

bases de données recherche

fiches catalographiques

textes auteurs

connexion

transformations

Exemples et études de cas

Exemples et études de cas Études de cas (1) – Hortus Sanitatis

✤ traité latin d’ichtyologie (fin XVe siècle)

✤ compilation de sources (peu de passages de l’auteur)

✤ identification des sources de chaque segment de citation

✤ édition bilingue : latin/français

✤ édition papier et en ligne

✤ accès aux images des éditions

✤ interopérabilité avec Sourcencyme (Atelier Vincent de Beauvais, Nancy, ANR 2007)

Exemples et études de cas Études de cas (1) – Hortus Sanitatis

Exemples et études de cas Études de cas (1) – Hortus Sanitatis

Exemples et études de cas Études de cas (2) – Nummus

✤ Monnaies en contexte archéologique

✤ 12000 monnaies

✤ fiches XML EAD

Exemples et études de cas Études de cas (2) – Nummus